MétaCan
Menu
Retour à la cohorte
Enregistrement W4386803124 · doi:10.23977/acss.2023.070705

Design and Implementation of Travel System for Disabled People Based on User Interest Preference Recommendation Algorithm

2023· article· en· W4386803124 sur OpenAlexvenueno aff
Yuanyuan Zhao, Zhenghuan Zhou

Notice bibliographique

RevueAdvances in Computer Signals and Systems · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensnon disponible
Organismes subventionnairesNational College Students Innovation and Entrepreneurship Training ProgramSuzhou University
Mots-clésRecommender systemDisabled peoplePreferenceComputer scienceChinaOrder (exchange)Work (physics)Harmony (color)Internet privacyAlgorithmWorld Wide WebPsychologyEngineeringBusinessFinanceApplied psychologyEconomics

Résumé

récupéré en direct d'OpenAlex

There are a great deal of disabled persons in China's society nowadays, but they often are unable to leave the house because traveling is inconvenient for them. This work develops a recommendation system based on a recommendation algorithm that can assist persons who have disabilities navigate normally. The application of recommendation system technology can help customers rapidly identify the products they're interested in, save time, and assist companies to cut expenses. It additionally has the ability to predict users' ratings or preferences for items. In today's big data environment, there are countless recommendation systems or software for all kinds of commodities. However, giving recommendations for traveling to specific groups of people, including those who are disabled, is uncommon. In order to meet the needs of people with disabilities for barrier-free travel and to address the issue that people with disabilities have nowhere to go, this paper designs a travel recommendation system for people with disabilities based on the recommendation algorithm of users' preferences. Improve the harmony and equal treatment of Chinese society.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil0,321

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,049
Tête enseignante GPT0,299
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Computer Signals and SystemsMême sujetTransportation and Mobility InnovationsTravaux en français237 207